The storage and data processing in wireless sensor networks

Jardak, Christine; Mähönen, Petri Heikki

doi:urn:nbn:de:hbz:82-opus-40401

The storage and data processing in wireless sensor networks = Speicherung und Datenverarbeitung in drahtlosen Sensornetzen

Jardak, Christine (Author)

2012

Verantwortlichkeitsangabevorgelegt von Christine Jardak

ImpressumAachen : Publikationsserver der RWTH Aachen University 2012

UmfangVII, 166 S. : Ill., graph. Darst.

Aachen, Techn. Hochsch., Diss., 2012

Zsfassung in engl. und dt. Sprache

Genehmigende Fakultät
Fak06

Hauptberichter/Gutachter
Mähönen, Petri Heikki (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2012-02-27

Online
URN: urn:nbn:de:hbz:82-opus-40401
URL: https://publications.rwth-aachen.de/record/82801/files/4040.pdf

Einrichtungen

Lehrstuhl und Institut für Vernetzte Systeme (615510)

Inhaltliche Beschreibung (Schlagwörter)
Routing (Genormte SW) ; Parallelverarbeitung (Genormte SW) ; Datenspeicherung (Genormte SW) ; Informationsspeicherung (Genormte SW) ; Ingenieurwissenschaften (frei) ; Bloom filter (frei) ; verteilte Datenspeicherung (frei) ; orthogonale Codes (frei) ; probabilistisches Routing (frei) ; drahtlose Sensornetze (frei) ; MapReduce (frei) ; inhaltsbasierte Routingalgorithmen (frei) ; distributed data storage (frei) ; orthogonal codes (frei) ; probabilistic routing (frei) ; wireless sensor networks (frei) ; content-based routing (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Drahtlose Sensornetze bestehen aus Sensorknoten, die mit drahtlosen Sende- und Empfangseinheiten ausgestattetet sind. Aufgrund zahlreicher wissenschaftlicher, wirtschaftlicher und sicherheitspolitischer Anwendungen wurden diese Netze in den vergangenen zehn Jahren intensiv erforscht. Zum Beispiel vereinfachen Sensornetze die Beobachtung von Umweltphänomenen wie dem Klimawandel und sie ermöglichen die Verbesserung landwirtschaftlicher Verfahren. Grundlegende Aspekte drahtloser Sensornetze sind die Verteilung der Daten im Netz und der Zugriff darauf. Insbesondere besteht eine Herausforderung darin, die Daten robust zu speichern und den effizienten Zugriff auf die temporär gespeicherten Daten zu gewährleisten. Es wurden bereits mehrere einfache Zugriffsprotokolle und Datenverteilungsalgorithmen für drahtlose Sensornetze vorgeschlagen. Bei Sensornetzen mit großen Datenmengen und vielen Sensoren treten jedoch Skalierungsprobleme auf. Diese erfordern die Entwicklung neuer Algorithmen und Protokolle für die Datenverarbeitung und -übertragung. Im ersten Teil dieser Dissertation beschäftigen wir uns mit dem netzinternen Datenmanagement. Wir zeigen, dass inhaltsbasierte Routingalgorithmen zur robusten Speicherung der Sensordaten sowie zum effizienten Zugriff darauf verwendet werden können. Insbesondere analysieren wir Bloom-Filter zur Indexierung von Dateneinheiten. Diese Filter ermöglichen kompakte Routingtabellen, führen jedoch zu Problemen bei der probabilistischen Datenlokalisierung. Um die Wahrscheinlichkeit der Falschadressierung zu reduzieren bzw. die Adresslänge zu minimieren, schlagen wir mehrere neue Strategien basierend auf orthogonalen Codes vor. Wir evaluieren die Performance der vorgeschlagenen Strategien sowohl analytisch als auch mithilfe von Computersimulationen, und entwickeln Richtlinien für die Wahl zwischen den verschiedenen Strategien. Im zweiten Teil dieser Dissertation untersuchen wir die in großen Sensornetzen auftretenden Skalierungsprobleme. Für mehrere Anwendungsgebiete schätzen wir das zu erwartende Datenverkehrsaufkommen. Unsere Ergebnisse zeigen, dass Maschine-zu-Maschine-Kommunikation und drahtlose Sensornetze zu größeren Datenverkehrsaufkommen führen können als andere drahtlose Applikationen. Aufgrund dieser Ergebnisse untersuchen wir Verfahren zur Speicherung und Analyse großer Datenmengen auf leistungsfähigen Servern. Für unsere Experimente haben wir das von Google für die parallele Datenverarbeitung entwickelte MapReduce framework verwendet. Wir zeigen, insbesondere für räumliche Statistiken, dass die Berechnung auch bei großen, auf Computerclustern verteilt gespeicherten Datenmengen möglich ist. Abschließend untersuchen wir den Einfluss der Skalierbarkeit auf wichtige Anwendungs-, Platform- und Hardwareparameter.

Wireless Sensor Networks (WSNs), small measurement devices connected by means of wireless communications, have been a topic of intensive research over the past decade. Deployments of WSNs have potential to shed light on a number of scientific, industrial, and societal problems such as climate change and precision agriculture. In general, they hold a great promise to enable new commercial and scientific applications and products. The richness of the collected sensor data opens a wide range of opportunities to develop new technologies and applications. One of the key design questions is how to distribute and query efficiently sensor data in the WSN. This problem has received a lot of attention. One of the challenges is to guarantee robust data storage in WSNs and eventually collecting data from temporary storage locations to the backend databases. There is a number of simple query based protocols or various data distribution mechanisms that are proposed to handle WSNs. However, the emerging extremely large-scale WSNs require us to face the scalability problem. The amount of the data and the geographical distribution of sensors are potentially so large that new protocols and mechanisms are required for both sensor data processing and transfer. In the first part of this thesis we address the problem of the in-network management of sensor data. We show how content-based routing can be used to realize robust sensor data storage and to enable efficient querying mechanisms in WSNs. We refine the scope on studying the use of the well-known Bloom filters strategy for representing content items with indexes. Despite their advantage in forming compact routing tables, Bloom filter-based routing protocols suffer from problems of probabilistic data localization. Therefore, we propose a set of novel alternative strategies based on the use of orthogonal codes to lower the probability of false-addressing or alternatively to minimize the length of addresses. We evaluate the respective performance of different schemes both analytically and using extensive simulations, and provide analyses and guidance for choosing among different methods and strategies. In the second part of this thesis we deal with the scalability problem and consider very large-scale WSNs up to planetary scale sensor networks based on cellular networks infrastructure. We provide careful estimates on the traffic volumes of sensor readings in a number of scenarios explored in the literature. The results show that machine-to-machine communications and WSNs have a potential to dominate over other forms of mobile and wireless network traffic. Based on these forecasts, we study the possible solutions for storing and analyzing voluminous sensor data on backend machines. We have adopted an original parallel processing methodology from Google, namely MapReduce framework, for WSN data processing. Our experimental tests are realized by running the Hadoop/MapReduce platform on a cluster of machines. We introduce the general categories of sensor data analyzes and specifically focus on spatial statistics. In this context we show that Hadoop/MapReduce based solutions can perform data analyses even for extremely large sensor data sets. We finalize the thesis by highlighting the impact of scalability on important application, platform, and hardware parameters.

Fulltext:
PDF